2025年3 数据可视化

3 数据可视化数据可视化 1 R 的图形组成和图形参数 1 1 图形组成 R 的图形包括多个部分组成 必备成分 主体 坐标轴 坐标标题 图标题 1 2 图形参数 图形参数主要有以下四类 图形主体部分的参数 符号类型 pch 和线条线型对应如下 坐标轴部分参数

大家好,我是讯享网,很高兴认识大家。

数据可视化

1 R的图形组成和图形参数

1.1 图形组成

R的图形包括多个部分组成,必备成分:

  • 主体
  • 坐标轴
  • 坐标标题
  • 图标题

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CLn7vRFH-1666010947069)(C:\Users\ALANSHAO\AppData\Roaming\Typora\typora-user-images\image-20221017152837666.png)]
讯享网

1.2 图形参数

图形参数主要有以下四类:

  • 图形主体部分的参数:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cw7H982E-1666010947070)(C:\Users\ALANSHAO\AppData\Roaming\Typora\typora-user-images\image-20221017152952245.png)]

符号类型pch和线条线型对应如下:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Ske6mlpN-1666010947071)(C:\Users\ALANSHAO\AppData\Roaming\Typora\typora-user-images\image-20221017153039389.png)]

  • 坐标轴部分参数

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8Ht3sCrz-1666010947072)(C:\Users\ALANSHAO\AppData\Roaming\Typora\typora-user-images\image-20221017153154152.png)]

  • 坐标标题的参数

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YfoPUWS2-1666010947072)(C:\Users\ALANSHAO\AppData\Roaming\Typora\typora-user-images\image-20221017153257294.png)]

  • 图标题参数

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XaG5fXR5-1666010947072)(C:\Users\ALANSHAO\AppData\Roaming\Typora\typora-user-images\image-20221017153321255.png)]

1.3 图形布局

图形边界是指设置图形上边界、下边界、左边界、右边界的宽度。可以使用mar、mai表示,分别是英分和英寸为单位

设计布局的函数是[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hXAZGyWB-1666010947073)(C:\Users\ALANSHAO\AppData\Roaming\Typora\typora-user-images\image-20221017153810937.png)]

1.4 修改图形参数

  • 如果希望之后都使用统一的参数绘图,可以在绘图之前使用par函数设置参数

    之后的图形都采用此参数

    drawp = par() par(pch=3, lty=2, mar=c(1, 0.5, 1, 2)) 换原默认参数 par(drawp) 

    讯享网

2 单变量分布特征

2.1 核密度曲线

核密度估计是从样本数据出发估计密度函数的方法。

讯享网直方图和带正态分布曲线的直方图,核密度图 ClaimData<-read.table(file="车险数据.txt",header=TRUE) DrawL<-par() par(mfrow=c(2,1),mar=c(4,6,4,4)) hist(ClaimData$nclaims,xlab="理赔次数",ylab="频率",main="车险理赔次数直方图",cex.lab=0.7,freq=FALSE,ylim=c(0,0.1)) MeanTmp=mean(ClaimData$nclaims,rm.na=TRUE) SdTmp=sd(ClaimData$nclaims) d=seq(from=min(ClaimData$nclaims),to=max(ClaimData$nclaims),by=0.1) lines(x=d,y=dnorm(d,MeanTmp,SdTmp),lty=2,col=2) 添加核密度曲线 lines(density(ClaimData$nclaims),lty=4,col=4) plot(density(ClaimData$nclaims),type="l",main="车险理赔次数核密度图",xlab="理赔次数",ylab="密度",cex.lab=0.7) rug(jitter(ClaimData$nclaims),side=1,col=2) par(DrawL) 

hist()函数是绘制直方图

density()函数是获得核密度估计函数

lines(x=横坐标, y=纵坐标)用于在已有图像上添见曲线

plot(数值型向量或者矩阵,type=线的类型)绘图函数

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-x3ZyGm6l-1666010947074)(C:\Users\ALANSHAO\AppData\Roaming\Typora\typora-user-images\image-20221017202215372.png)]

2.2 小提琴图

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BdGjtP6g-1666010947074)(C:\Users\ALANSHAO\AppData\Roaming\Typora\typora-user-images\image-20221017202449767.png)]

horizontal参数决定图是竖直还是水平的,第二种格式可以绘制多个变量的

小提琴图 install.packages("vioplot") library("vioplot") ClaimData<-read.table(file="车险数据.txt",header=TRUE) DrawL<-par() par(mfrow=c(2,1),mar=c(4,6,4,4)) vioplot(ClaimData$nclaims,horizontal=TRUE) 绘制全部观测的小提琴图 添加图标题等 title(main="车险理赔次数的小提琴图",cex.main=0.8,xlab="理赔次数",ylab="全部观测",cex.lab=0.7) 绘制各车型的小提琴图 TmpD1<-ClaimData$nclaims[ClaimData$vehiclegroup=="A"] TmpD2<-ClaimData$nclaims[ClaimData$vehiclegroup=="B"] TmpD3<-ClaimData$nclaims[ClaimData$vehiclegroup=="C"] TmpD4<-ClaimData$nclaims[ClaimData$vehiclegroup=="D"] LabX<-c("A","B","C","D") Lo<-vioplot(TmpD1,TmpD2,TmpD3,TmpD4,names=LabX) #画图同时得到关键位置坐标 text(x=1:4,y=Lo$upper,labels=c(length(TmpD1),length(TmpD2),length(TmpD3),length(TmpD4)), srt=90) #在指定位置添加文字信息 title(main="各车型车险理赔次数的小提琴图",cex.main=0.8,xlab="车型",ylab="理赔次数",cex.lab=0.7) par(DrawL) 

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-f4KYoOVu-1666010947075)(C:\Users\ALANSHAO\AppData\Roaming\Typora\typora-user-images\image-20221017202629504.png)]

两侧曲线是核密度图,空心圆为中位数

2.3 克利夫兰图

克利夫兰图可以显示数据中的异常吃

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VbYWdoG5-1666010947075)(C:\Users\ALANSHAO\AppData\Roaming\Typora\typora-user-images\image-20221017203659648.png)]

可以使用legend函数添加图例

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-i4lqIzaL-1666010947076)(C:\Users\ALANSHAO\AppData\Roaming\Typora\typora-user-images\image-20221017203807643.png)]

讯享网克利夫兰点图 DrawL<-par() ClaimData<-read.table(file="车险数据.txt",header=TRUE) par(mfrow=c(2,1),mar=c(4,6,4,4)) dotchart(ClaimData$nclaims,main="车险理赔次数的克利夫兰图",cex.main=0.8,xlab="理赔次数",ylab="观测编号",cex.lab=0.8) AvN<-tapply(ClaimData$nclaims,INDEX=ClaimData$vehiclegroup,FUN=mean) #计算各车型理赔次数的平均值 dotchart(ClaimData$nclaims[order(ClaimData$vehiclegroup)],main="各车型车险理赔次数的克利夫兰图",cex.main=0.8,xlab="理赔次数",cex.lab=0.8,groups=ClaimData$vehiclegroup,gdata=AvN,gpch=17) legend("bottomright",title="点型说明",c("观测值","均值"),pch=c(1,17),bg="white",cex=0.5) par(DrawL) 

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UiR41mIm-1666010947076)(C:\Users\ALANSHAO\AppData\Roaming\Typora\typora-user-images\image-20221017203910109.png)]

3 多变量分布特征

3.1 曲面图和等高线图

二元正态分布密度图 mu1<-0 mu2<-0 ss1<-10 ss2<-10 rho<-0.7 MyDen<-function(x,y) { t1<-1/(2*pi*sqrt(ss1*ss2*(1-rho^2))) t2<--1/(2*(1-rho^2)) t3<-(x-mu1)^2/ss1 t4<-(y-mu2)^2/ss2 t5<--2*rho*((x-mu1)*(y-mu2))/(sqrt(ss1)*sqrt(ss2)) return(t1*exp(t2*(t3+t4-t5))) } x<-seq(-10,10,length=50) y<-x z<-outer(x,y,FUN=MyDen) par(mfrow=c(2,2),mar=c(6,4,4,1)) persp(x,y,z,main="二元正态分布密度曲面图",theta=30,phi=20,expand=0.5,shade = 0.5,xlab="X",ylab="Y",zlab="f(x,y)") contour(x,y,z,main="二元正态分布密度等高线图") 其他曲面图 Myf<-function(x,y) { r<-sqrt(x^2+y^2) r<-10*sin(r)/r return(r) } x<-seq(-10,10,length=30) y<-x z<-outer(x,y,Myf) z[is.na(z)]<-1 persp(x,y,z,main="曲面图",theta=30,phi=30,expand=0.5) contour(x,y,z,nlevels=10,main="等高线图") 

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MWr4EUhh-1666010947076)(C:\Users\ALANSHAO\AppData\Roaming\Typora\typora-user-images\image-20221017204750080.png)]

y<-x
z<-outer(x,y,Myf)
z[is.na(z)]<-1
persp(x,y,z,main=“曲面图”,theta=30,phi=30,expand=0.5)
contour(x,y,z,nlevels=10,main=“等高线图”)

讯享网 [外链图片转存中...(img-MWr4EUhh-76)] 
小讯
上一篇 2025-03-29 07:50
下一篇 2025-03-16 23:23

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/112979.html